Python 博克多重图表链接行为
我有两张图表。当我放大顶部或底部图表时，x轴都会更新并显示相同的日期范围，这非常好。问题是两个图表上的y轴完全不同，所以当我放大顶部图表时，x轴和y轴的比例也相应地不同。在底部图表上，虽然x轴会相应缩放，但y轴不会。我不能使用y_范围=fig.y_范围，因为y范围非常不同 当两个图表的y轴范围不同时，放大顶部图表时，底部图表的y轴是否会相应缩放 更新-我所指的相应更新 假设我的x轴从2020年1月1日到2020年12月31日。现在，假设我使用内置工具在顶部图表上放大2020年7月的整个时间，底部图表的x轴将自动进行相应调整，即，现在在两个图表上放大整个7月的x轴。通过使用直线x_range=fig.x_range，这项工作非常出色。两个图表共享相同的x轴 但是它们的y轴不同，所以我不能使用y_范围=图y_范围 所以我想做的是当我放大顶部图表时，x轴和y轴都会自动重新缩放。我希望底部图表的y轴也能重新缩放（前面提到的x轴会自动执行此操作） 下面是我的代码Python 博克多重图表链接行为,python,bokeh,Python,Bokeh,我有两张图表。当我放大顶部或底部图表时，x轴都会更新并显示相同的日期范围，这非常好。问题是两个图表上的y轴完全不同，所以当我放大顶部图表时，x轴和y轴的比例也相应地不同。在底部图表上，虽然x轴会相应缩放，但y轴不会。我不能使用y_范围=fig.y_范围，因为y范围非常不同 当两个图表的y轴范围不同时，放大顶部图表时，底部图表的y轴是否会相应缩放 更新-我所指的相应更新 假设我的x轴从2020年1月1日到2020年12月31日。现在，假设我使用内置工具在顶部图表上放大2020年7月的整个时间，底部
cds = ColumnDataSource(data=df)
fig = figure(plot_width=W_PLOT, plot_height=H_PLOT,
tools=TOOLS,
x_axis_type="datetime",
title=name,
toolbar_location='above')
# lets add a moving average
fig.line(x='time_stamp', y='ma_20', source=cds, legend_label='MA 20')
fig_ind = figure(plot_width=W_PLOT, plot_height=H_PLOT_IND,
tools=TOOLS,
x_axis_type="datetime",
x_range=fig.x_range)
fig_ind.line(x='time_stamp', y='ma_100', source=cds, legend_label='MA 100')
show(gridplot([[fig],[fig_ind]]))
下面介绍如何在公共X范围内使用
CustomJSfrom bokeh.models.ranges import DataRange1d
from bokeh.layouts import column
from bokeh.models.sources import ColumnDataSource
from bokeh.models import CustomJS
import pandas as pd
import numpy as np
df = pd.DataFrame(
{
'fig1_y': np.linspace(0, 100, 100),
'fig2_y': np.linspace(0, 1000, 100),
'common_x': pd.date_range(
start='2020-01-01',
end='2021-01-01',
periods=100
)
}
)
cds = ColumnDataSource(data=df)
common_x_range = DataRange1d(bounds='auto')
fig = figure(
plot_width=500,
plot_height=200,
x_axis_type="datetime",
x_range=common_x_range
)
fig.line(
x='common_x',
y='fig1_y',
source=cds,
legend_label='MA 20'
)
fig2 = figure(
plot_width=500,
plot_height=200,
x_axis_type="datetime",
x_range=common_x_range,
y_range=DataRange1d(bounds='auto')
)
fig2.line(
x='common_x',
y='fig2_y',
source=cds,
legend_label='MA 100'
)
callback = CustomJS(
args={
'y_range': fig2.y_range,
'source': cds
}, code='''
var x_data = source.data.common_x,
fig2_y = source.data.fig2_y,
start = cb_obj.start,
end = cb_obj.end,
min = Infinity,
max = -Infinity;
for (var i=0; i < x_data.length; ++i) {
if (start <= x_data[i] && x_data[i] <= end) {
max = Math.max(fig2_y[i], max);
min = Math.min(fig2_y[i], min);
}
}
y_range.start = min
y_range.end = max
''')
common_x_range.js_on_change('start', callback)
common_x_range.js_on_change('end', callback)
show(column([fig,fig2]))
从bokeh.models.ranges导入数据范围1d
从bokeh.layouts导入列
从bokeh.models.sources导入ColumnDataSource
从bokeh.models导入CustomJS
作为pd进口熊猫
将numpy作为np导入
df=pd.DataFrame(
{
“fig1_y”：np.linspace（01100），
“图2_y”：np.linspace（0,1000,100），
“common_x”：pd.date_范围(
start='2020-01-01'，
完='2021-01-01'，
周期=100
)
}
)
cds=ColumnDataSource（数据=df）
公共范围=数据范围1d（界限='auto'）
图(
绘图宽度=500，
绘图高度=200，
x_axis_type=“datetime”，
x_范围=普通x_范围
)
无花果线(
x='common_x'，
y='fig1_'y'，
来源=CD，
图例_标签='MA 20'
)
图2=图(
绘图宽度=500，
绘图高度=200，
x_axis_type=“datetime”，
x_范围=普通x_范围，
y_range=DataRange1d（bounds='auto'）
)
图2.1线(
x='common_x'，
y='fig2_'y'，
来源=CD，
图例_标签='MA 100'
)
callback=CustomJS(
args={
“y_范围”：图2.y_范围，
“来源”：CD
}，代码=“”
var x_data=source.data.common_x，
图2_y=source.data.fig2_y，
start=cb_obj.start，
结束=cb_对象结束，
最小值=无穷大，
max=-无穷大；
对于（变量i=0；i